Video Language Planning とは
本アルゴリズムは視覚言語モデルとテキストから動画へのモデルを訓練し、複雑な長期課題の視覚計画を実現する手法と説明されている。
できること
- 視覚言語モデルとテキスト・動画モデルを訓練する
- 詳しいマルチモーダル計画を生成する
- 長期の動画計画を組み立てる
- 計画を実ロボットの動作に変える
活用の例
- 物体を机の中央に積み上げる
- 果物を一番上の引き出しに入れる
- 積み木を色ごとに分ける
長所と短所
✓ 良い点
- 生成した動画計画は実ロボットの動作に変えられる
- 複数物体の並べ替えから両腕の器用な操作まで扱う
! 注意したい点
- 入力には長期の指示と画像の観察が要る
- 計画を動作に変すには目標条件付き方策が要る
よくある質問
入力は何?
資料は長期課題の指示と現在の画像観察を挙げる。
出力は何?
概要は動画と言語から成る詳しい計画と説明。
最終評価日: 2026-11-15
その他 AIコーディングツール ツール
すべて見る →-
100 Vibe Coding 作りながら学ぶ vibe coding 無料ツール エンタープライズツール 開発者ツール API連携 コーディング -
10Web プロンプトから WordPress サイト(ホスティング付き) 無料ツール 開発者ツール ノーコード開発 コーディング サイト構築ツール -
16x Prompt AI コーディングのコンテキスト管理 無料ツール ワークフロー自動化 開発者ツール API連携 コーディング -
a0.dev チャットで作るモバイルアプリをストアへ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
Adalo ビジュアルキャンバスで作るノーコードアプリ 無料ツール 開発者ツール ノーコード開発 コーディング アプリ構築ツール -
AgentQL 自然言語でウェブからデータを抽出 フリーミアムツール 開発者ツール ブラウザ拡張機能 データ抽出 コーディング